Bachelor-/Masterthesis: Multimodale KI-Sprachmodelle für SysML-V2

Multimodale Large language Models (MLLMs) erweitern die Funktionalität von LLMs. Sie können statt Text auch andere Modalitäten wie zum Beispiel Bilder, Sensordaten oder Audio als Input verarbeiten. Neue Modalitäten hinzuzufügen, kann die Anwendbarkeit in spezifischen Domänen deutlich verbessern. Für die modellbasierte Entwicklung werden häufig Modellierungssprachen wie SysML-V2 benutzt.

Um LLMs besser in der modellbasierten Entwicklung nutzen zu können, soll im Rahmen dieser Arbeit ein bereits trainiertes LLM um SysML-V2 als Eingabemodalität erweitert werden. Dabei soll die Umsetzbarkeit und Effektivität verschiedener Ansätze evaluiert werden. Zur Evaluation soll das Sprachmodell benutzt werden, um Erklärungen zu SysML-V2 Modellen zu generieren und Fragen zu beantworten.

Ein Sprachmodell und entsprechende Trainingshardware werden zur Verfügung gestellt.

Wünschenswerte Vorkenntnisse:

• Python
• Deep Learning Libraries wie pytorch, tensorflow, huggingface transformers …
• SysML-V2

Ansprechpartner

Interesse an dem Thema? Informieren Sie sich mit unseren Publikationen über unsere aktuelle Forschung.

Für mehr Informationen wenden Sie sich mit ihren Bewerbungsunterlagen bitte an Oliver Tautz, M.Sc..

Aufgabenstellung:

Prof. Dr. Bernhard Rumpe
Lehrstuhl Software Engineering
Ahornstr. 55
52074 Aachen